遺傳算法在車間調(diào)度中的應(yīng)用研究.pdf

1、智能調(diào)度(AI Scheduling)是人工智能領(lǐng)域的一個重要研究方向，雖然它的起步和智能規(guī)劃(AI Planning)基本同時(20世紀(jì)50年代)，卻很晚(20世紀(jì)80年代)才受到AI領(lǐng)域研究的足夠重視，由于和智能規(guī)劃問題有很大的相似性和相關(guān)性，不少學(xué)者也把它作為智能規(guī)劃方向的一個特例來研究，所以智能規(guī)劃中大部分成熟的思想和算法如約束滿足、啟發(fā)式搜索、基因算法、神經(jīng)元網(wǎng)絡(luò)等都可以成功地解決智能調(diào)度問題，使得智能調(diào)度在后期的20年取得突

2、飛猛進(jìn)的發(fā)展。 作為智能調(diào)度中最難解問題之一的Job-Shop調(diào)度問題，其模型具有現(xiàn)實應(yīng)用問題的一般通用性，如車間調(diào)度管理，物流運輸、時間表安排以及人力資源規(guī)劃等問題，正是由于這樣的現(xiàn)實意義，所以它的研究持續(xù)半個多世紀(jì)都沒有中斷過，而且人們在Job-Shop問題上已經(jīng)提出很多優(yōu)秀的算法諸如分支界定、優(yōu)先級分派規(guī)則(Priority Dispatching Rule)、局部搜索(LocalSearch)、啟發(fā)式(Heuristic

3、)引導(dǎo)以及約束滿足(Constraint Satisfaction)等，然而各個算法都存在一定的優(yōu)缺點。目前調(diào)度問題的理論研究成果主要在集中在以Job-Shop問題為代表的基于最小化完工時間的調(diào)度問題上遺傳算法是一種模擬生物自然進(jìn)化的隨機(jī)搜索技術(shù)，遺傳算法在車間作業(yè)調(diào)度上的應(yīng)用，是近年才發(fā)展起來的研究方向。本文通過對一個具體的車間調(diào)度問題進(jìn)行分析，用遺傳算法這一工具來解決車間調(diào)度問題，在理論上實現(xiàn)了對該問題的計算機(jī)模擬，并提出了快速獲得